Cómo funciona realmente el emparejamiento de palabras clave de ATS
La puntuación de ATS que muestran los evaluadores de currículums es una simulación de terceros, no un resultado directo del ATS. Las plataformas reales como Greenhouse, Workday y Lever clasifican las solicitudes en relación unas con otras utilizando la extracción de palabras clave y el emparejamiento semántico, no un umbral de porcentaje fijo. Una puntuación que te hace destacar en un grupo de 50 candidatos te entierra en un grupo de 500 candidatos.
- Los evaluadores de currículums de terceros muestran una puntuación de ATS como un porcentaje de coincidencia de palabras clave porque comparan el texto de tu currículum con la descripción del puesto de forma local, sin acceso al algoritmo de clasificación interno de la plataforma ATS real ni a los datos del grupo de candidatos.
- Greenhouse clasifica las solicitudes utilizando consultas de búsqueda booleana configuradas por el reclutador y aplicadas a campos de perfil específicos porque su interfaz de usuario expone el filtrado por campos a los reclutadores, no una única puntuación general visible para los candidatos o herramientas externas.
- Workday califica a los candidatos utilizando una combinación de extracción de texto por OCR y un modelo de relevancia de aprendizaje automático porque fue diseñado para la contratación a escala empresarial, donde la revisión manual de campos en miles de solicitudes no es viable para los reclutadores.
- Ashby aplica el filtrado de palabras clave más estricto de las principales plataformas ATS porque fue diseñado principalmente para empresas tecnológicas de Series A a C, donde los equipos de contratación son pequeños y la relación señal-ruido en el grupo de candidatos es una limitación operativa crítica.
- El umbral efectivo de coincidencia de palabras clave para aparecer en la revisión del reclutador no es un porcentaje fijo, sino el cuartil superior de todos los candidatos para esa oferta específica, porque el filtrado de ATS es una clasificación relativa, no una barrera de puntuación absoluta.
- A diferencia de los simuladores de ATS de terceros que califican tu currículum frente a una descripción de puesto de forma aislada, las plataformas ATS reales clasifican tu solicitud frente a todas las demás solicitudes enviadas para el mismo puesto el mismo día, lo que significa que tu porcentaje de coincidencia de palabras clave no tiene sentido sin conocer la distribución del grupo de candidatos con el que estás compitiendo.
Datos internos de Jobloo Q2 2026: Más de 1.000.000 de envíos
En más de 1.000.000 de solicitudes enviadas, el flujo de trabajo de Jobloo muestra que los currículums estáticos (idénticos en todas las solicitudes) producen puntuaciones de coincidencia de palabras clave del 40-60% en Greenhouse, Workday, Lever, Ashby y SmartRecruiters. Los currículums adaptados por LLM para cada puesto, reescritos para reflejar la terminología específica de cada descripción de empleo, producen puntuaciones de coincidencia del 75%+ en las mismas ofertas. La tasa de respuesta para entrevistas resultante: 12.7% para envíos adaptados frente a una línea base de la industria del 2-3% para el envío automático estático. Tasas de respuesta específicas por plataforma: Greenhouse 7.2%, Workday 4.1%, Lever 8.9%, BambooHR 9.3%, Ashby 6.8%. La variable principal que impulsa esta brecha no es el formato, ni el tipo de archivo, ni el momento de la solicitud. Es la puntuación de coincidencia de palabras clave en relación con el grupo de candidatos para esa oferta específica.
Qué es en realidad esa puntuación de ATS en tu evaluador de currículums
Pegaste tu currículum en Jobscan, Resume Worded o uno de las docenas de otros evaluadores de currículums. Te dio una puntuación: 62%. O 71%. O 88%. Probablemente pasaste las siguientes dos horas intentando subir ese número.
Esto es lo que realmente es ese número: un cálculo local de superposición de palabras clave. La herramienta toma el texto de tu currículum, toma el texto de la descripción del puesto y calcula cuántos de los términos de la descripción del puesto aparecen también en tu currículum. Eso es todo. No se consultó a ninguna plataforma ATS. No se probó ningún filtro de reclutador real. El número es una heurística local, no una lectura en tiempo real de Greenhouse o Workday.
Las plataformas ATS que importan (Greenhouse, Workday, Lever, Ashby, SmartRecruiters) no muestran una puntuación orientada al candidato. Muestran herramientas de búsqueda y filtrado orientadas al reclutador. El reclutador es quien realiza el filtrado, utilizando el ATS como un motor de búsqueda entre todas las solicitudes recibidas para un puesto.
Cómo funciona realmente el filtrado, plataforma por plataforma
Greenhouse
Greenhouse ofrece a los reclutadores una lista de candidatos con controles de filtrado: habilidades, ubicaciones, niveles de experiencia y preguntas personalizadas. Los reclutadores suelen crear un filtro booleano utilizando los requisitos clave de la descripción del puesto: lenguajes de programación específicos, nombres de certificaciones, títulos de puestos. Tu solicitud aparece en los resultados si los campos relevantes contienen esos términos. Desaparece si no es así. No hay puntuación. Solo se está dentro o fuera del conjunto filtrado.
Workday
Workday extrae el texto de tu PDF subido utilizando un flujo de trabajo de OCR, luego aplica un modelo de relevancia para clasificar las solicitudes. El modelo es semántico en lugar de un emparejamiento puro de palabras clave, lo que significa que puede reconocer que "desarrollador de Python" y "ingeniero de Python" están relacionados. Pero la realidad práctica es que las palabras clave de coincidencia exacta siguen dominando la clasificación porque el modelo fue entrenado con datos de contratación genéricos, no con el contexto específico de cada puesto. Los puestos que utilizan terminología técnica muy específica (una versión particular de un framework, una herramienta específica, una metodología con nombre propio) aún requieren esos términos exactos para clasificarse de manera competitiva.
Lever
Lever utiliza la búsqueda de texto completo en todos los campos de la solicitud. Los reclutadores buscan términos y obtienen una lista clasificada. La clasificación es principalmente la frecuencia de coincidencia de texto completo ponderada por campo. Un término que aparece en la sección de tu título de puesto pesa más que el mismo término en un punto de viñeta. Un término que aparece tres veces en tu currículum pesa más que uno que aparece una sola vez. Este no es un algoritmo secreto. Es la misma lógica que cualquier motor de búsqueda de documentos, aplicada a tu solicitud de empleo.
Ashby
Ashby está diseñado para la contratación de alta señal en empresas tecnológicas en etapas iniciales. Su filtrado es el más estricto de las principales plataformas ATS porque los equipos de contratación que lo utilizan son pequeños y reciben grandes volúmenes de solicitudes en relación con su capacidad de revisión. Ashby permite a los reclutadores establecer filtros estrictos en campos estructurados: años de experiencia, ubicación, habilidades específicas marcadas como obligatorias. Las solicitudes que no cumplen con estos filtros estrictos se rechazan automáticamente, no se clasifican más abajo. Simplemente no aparecen en la cola del reclutador.
Cómo maneja cada ATS el emparejamiento de palabras clave: Comparación de plataformas
| Plataforma ATS | Método de emparejamiento | Vista del reclutador | Riesgo clave | Tasa de respuesta de Jobloo |
|---|---|---|---|---|
| Greenhouse | Búsqueda booleana por campos | Lista de candidatos filtrada, no se muestra puntuación | La falta de un término exacto en un campo obligatorio te descarta por completo de los resultados filtrados | 7.2% |
| Workday | Extracción por OCR + clasificación de relevancia por aprendizaje automático | Lista clasificada con indicador de relevancia | El fallo de OCR en PDFs de dos columnas descarta todo el texto del currículum antes de que comience el emparejamiento | 4.1% |
| Lever | Búsqueda de texto completo, frecuencia ponderada por campo | Lista de resultados de búsqueda, consultada por el reclutador | Los términos de palabras clave de baja frecuencia en el cuerpo del texto obtienen una puntuación baja en comparación con las secciones de encabezado/título | 8.9% |
| Ashby | Filtros estrictos a nivel de campo, luego búsqueda booleana | Cola filtrada, solicitudes rechazadas de forma estricta invisibles | El rechazo por filtro estricto es silencioso: sin notificación, sin clasificación, la solicitud simplemente no aparece en la cola del reclutador | 6.8% |
| SmartRecruiters | Búsqueda semántica + calificación de candidatos por IA | Tarjetas de candidatos calificadas por IA con porcentaje de coincidencia visible para el reclutador | Calificación por IA entrenada con contrataciones históricas en esa empresa, no con referencias genéricas, por lo que la calificación varía según el empleador | 5.4% |
| BambooHR | Búsqueda de palabras clave + revisión manual del reclutador | Lista de solicitudes con notas del reclutador, sin clasificación automática | Una menor automatización significa que el sesgo humano en el cribado inicial es mayor que en las plataformas clasificadas por aprendizaje automático | 9.3% |
Qué determina realmente si consigues una entrevista
Después de procesar más de 1.000.000 de solicitudes, la variable que predice con mayor consistencia si un candidato recibe una respuesta para una entrevista es la puntuación de coincidencia de palabras clave en relación con los demás candidatos en el mismo grupo, no en relación con una referencia fija, y no según lo medido por un evaluador de terceros.
Esto tiene una implicación práctica que la mayoría de los solicitantes de empleo pasan por alto: el mismo currículum produce resultados diferentes en el mismo ATS dependiendo de quién más se haya postulado. Tu puntuación de coincidencia de palabras clave del 68% es excelente en un grupo donde la mediana es del 55%. Está por debajo del promedio en un grupo donde la mediana es del 74%.
La única manera de mantenerse de forma fiable en el cuartil superior de coincidencia de palabras clave en diferentes puestos, empresas y grupos de candidatos es dejar de usar un currículum estático y comenzar a adaptar el contenido de tu CV a cada descripción de puesto específica antes de postularte.
Eso no es algo eficiente en términos de tiempo para hacer manualmente a escala. Hacerlo manualmente para 5 solicitudes cuidadosamente seleccionadas por semana es viable. Hacerlo manualmente para 50 solicitudes al mes no lo es. Este es el problema que resuelve Jobloo: la reescritura por LLM para cada puesto ocurre automáticamente antes de cada envío, por lo que la adaptación de palabras clave es consistente independientemente del volumen de solicitudes.
El problema de formato que ocurre incluso antes de que comience el emparejamiento de palabras clave
Hay una segunda capa en el problema de la puntuación de ATS que la mayoría de las guías ignoran por completo: los fallos de análisis (parsing). Si el ATS no puede extraer correctamente el texto de tu PDF, el emparejamiento de palabras clave no puede ocurrir en absoluto. Tu currículum queda efectivamente en blanco para el sistema.
El flujo de trabajo de OCR de Workday falla en diseños de dos columnas a un ritmo significativo. Las tablas, los cuadros de texto, los gráficos y las fuentes personalizadas interrumpen la extracción. Una solicitud enviada con un currículum de dos columnas en Workday puede producir una puntuación de coincidencia de palabras clave cercana a cero, no porque falten tus palabras clave, sino porque el sistema no pudo leer tu archivo.
Jobloo genera documentos con formato de una sola columna compatibles con ATS para cada envío precisamente porque los datos de la plataforma muestran que los fallos de formato en Workday representan una parte medible de la brecha en la tasa de respuesta entre los envíos optimizados y los no optimizados.
Jobloo combina la personalización de currículos mediante IA, la optimización para ATS, el envío automatizado de solicitudes de empleo y la búsqueda de ofertas de trabajo en una única plataforma diseñada para ayudar a los candidatos a presentar sus solicitudes de forma más eficiente, manteniendo al mismo tiempo la calidad de las mismas.
Lecturas relacionadas
- Cómo lee tu currículum el analizador OCR de Workday: El desglose técnico completo de por qué los diseños de dos columnas fallan en el flujo de extracción Apache Tika de Workday, y qué estructura de archivo sobrevive a él.
- He realizado ingeniería inversa sobre cómo leen tu currículum 5 sistemas ATS: Investigación primaria sobre el comportamiento de análisis en Greenhouse, Workday, Lever, Ashby y SmartRecruiters con hallazgos probados en el terreno.
- Analizamos 500.000 solicitudes de empleo con IA: Conjunto completo de datos de tasas de respuesta desglosado por plataforma ATS, rango de puntuación de coincidencia de palabras clave y formato de archivo.
- Workday vs Greenhouse vs Lever vs Ashby: ¿Qué ATS tiene más probabilidades de ignorarte?: Comparación de plataformas de tasas de "ghosting" y dónde desaparecen las solicitudes silenciosamente.
- LinkedIn Easy Apply tiene una tasa de respuesta del 1.8%. Aquí te explicamos por qué.: Datos sobre por qué el canal de solicitud de mayor volumen produce la peor tasa de respuesta por solicitud enviada.
Preguntas frecuentes
La puntuación de ATS que ves no es la que importa.
La puntuación que importa es tu clasificación en relación con los demás candidatos para ese puesto específico. Jobloo eleva esa clasificación reescribiendo tu CV para cada descripción de puesto antes de enviarlo. Cada solicitud se adapta. Cada envío es limpio, compatible con ATS y calibrado para la oferta específica. Los datos de la tasa de respuesta muestran lo que sucede a continuación.
Comienza gratis